第8波における病床見通し（東京、北海道、山形、大阪）#5

・1月18日までのデータを取り入れて、第8波における医療需要の見通しを提示
　（東京、北海道、山形、大阪）
　・「今後新規陽性者数がこうだったら、入院患者数・重症患者数・死者数はこうなる」という分析
　　・リバウンド（第8波ピーク相当）する場合と現在のまま減少する場合の2パターン
　　・リバウンド時のピークは3月上旬という設定
　　・「新規陽性者数はこうなるだろう」は分析の対象外
　・第7波における年齢別・ワクチン接種歴別の感染者数・入院患者数・重症患者数・死者数の
　　情報を元に、第8波での入院率・重症化率・致死率に関しておおまかな見通しを立て、それらの情報を医療需要の
　　見通しに活用
　　・第7波の0.5倍（楽観）、1倍（基本）、1.5倍（悲観）の3ケースを考慮
　・「どのくらいの感染拡大を許容して社会を回していくか」を議論する際の参考資料、具体的イメージ共有
・本分析・モデルの特徴・限界等に関しては、以下の資料を参照
　・https://www.mhlw.go.jp/content/10900000/000937665.pdf

・第7波分析との主な違い
　・過去のワクチン接種効果のパラメターを、2022年11月第1週時点での集団における感受性者割合が5割となるように設定
　・参考にした感受性者割合の試算
　　・https://www.tkfd.or.jp/research/detail.php?id=4094
　　・https://www.covid19-ai.jp/ja-jp/presentation/2022_rq1_simulations_for_infection_situations/articles/article399/
　　・https://www.mhlw.go.jp/content/10900000/001010890.pdf

・Taisuke Nakata is supported by JSPS Grant-in-Aid for Scientific Research
　(KAKENHI), Project Number 22H04927, the Research Institute of Science and Technology for Society at the Japan
　Science and Technology Agency,COVID-19 AI and Simulation Project (Cabinet Secretariat), the Center for
　Advanced Research in Finance at the University of Tokyo, and the Tokyo Center for Economic Research.

・過去・現在の政策分析と研究
　・https://www.bicea.e.u-tokyo.ac.jp/
　・https://covid19-icu-tool.herokuapp.com/
　・https://covid19outputjapan.github.io/JP/resources.html